신호 수준 시뮬레이션(Signal-Level Simulation)
개요
픽셀 설계의 양자 효율(QE) 스펙트럼을 계산한 후, 다음 단계는 실제 이미징 조건에서의 신호 수준을 예측하는 것입니다. 신호 수준 시뮬레이션(Signal-Level Simulation)은 원시 QE 곡선과 신호대잡음비, 화이트 밸런스, 색 정확도 같은 실용적 성능 지표 사이의 간극을 연결합니다.
신호 시뮬레이션이 중요한 이유
- QE만으로는 충분하지 않습니다: 동일한 피크 QE를 가진 두 픽셀 설계가 스펙트럼 형상, 컬러 필터 대역폭, IR 누설의 차이로 인해 실제 광원 조건에서 매우 다르게 수행될 수 있습니다.
- 광원 의존성: D65 주광에서 잘 균형 잡힌 픽셀이 백열등(A) 또는 형광등(F11) 조명에서는 상당한 색 오류를 보일 수 있습니다.
- 시스템 수준 최적화: 신호 시뮬레이션은 픽셀을 단독으로가 아니라 전체 카메라 모듈(렌즈 + IR 필터 + 센서)을 평가할 수 있게 합니다.
워크플로우
- QE 시뮬레이션을 실행하여 각 색상 채널의
획득 - 광원(Illuminant) 분광 전력 분포 정의
- 장면 반사율(Scene Reflectance) 지정
- 카메라 모듈 광학계(렌즈 투과율, IR 필터) 구성
- 전자 수로 픽셀 신호를 계산하고 결과 분석
Interactive Signal Chain Diagram
Trace the spectrum through each stage of the signal chain. Select illuminant and scene to see how the spectrum transforms at each stage.
Light Source
L(λ)
→
Scene
R(λ)
→
Lens
T_lens(λ)
→
IR Filter
T_IR(λ)
→
Sensor
QE(λ)
→
Signal
N_e
Red signal:0.05
Green signal:0.09
Blue signal:0.06
R/G Ratio:0.565
B/G Ratio:0.727
광원 설정(Setting Up Illuminants)
Illuminant 클래스는 일반적인 광원에 대한 팩토리 메서드를 제공합니다:
python
from compass.sources.illuminant import Illuminant
import numpy as np
# 파장 격자 정의 (마이크로미터 단위)
wavelengths = np.arange(0.38, 0.781, 0.01)
# 5500K 흑체 (근사 주광)
daylight = Illuminant.blackbody(5500, wavelengths)
# CIE D65 (표준 평균 주광)
d65 = Illuminant.cie_d65(wavelengths)
# CIE 광원 A (백열등, 2856K)
cia = Illuminant.cie_a(wavelengths)
# 삼파장 형광등 (CIE F11)
f11 = Illuminant.cie_f11(wavelengths)
# 백색 LED (청색 펌프 + 형광체, CCT 지정)
led = Illuminant.led_white(5000, wavelengths)각 광원 객체는
python
import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(10, 5))
for name, illum in [("D65", d65), ("A", cia), ("F11", f11), ("LED 5000K", led)]:
ax.plot(illum.wavelengths * 1000, illum.spd, label=name)
ax.set_xlabel("파장 (nm)")
ax.set_ylabel("상대 SPD")
ax.set_title("표준 광원 스펙트럼")
ax.legend()
ax.grid(True, alpha=0.3)
plt.tight_layout()측정 데이터로부터 사용자 정의 광원
측정된 SPD(예: 분광기에서)가 있는 경우, 원시 배열로부터 광원을 생성합니다:
python
# 측정 데이터 로드: 열은 파장(nm)과 상대 전력
data = np.loadtxt("measured_led.csv", delimiter=",", skiprows=1)
wl_um = data[:, 0] / 1000 # nm을 um으로 변환
spd = data[:, 1]
custom = Illuminant(wavelengths=wl_um, spd=spd, name="Custom LED")Interactive Blackbody Spectrum Viewer
Adjust the color temperature to see how the blackbody spectrum changes. Enable standard illuminant overlays for comparison.
CCT:5500 K
λmax:527 nm
Visible Power:71.1%
Approx. Color
장면 반사율 정의(Defining Scene Reflectance)
장면 반사율은 각 파장에서 카메라를 향해 반사되는 빛의 양을 결정합니다. COMPASS는 일정 반사율과 분광 반사율 프로파일을 지원합니다.
일정 반사율 (회색 타겟)
중립 회색 카드의 경우:
python
# 18% 회색 카드 -- 표준 노출 기준
scene_reflectance = 0.18
# 또는 파장별 일정 값 지정
scene_reflectance = np.full_like(wavelengths, 0.18)분광 반사율 (유채색 타겟)
유채색 패치(예: 맥베스 컬러체커)의 경우, 내장 패치 라이브러리를 사용합니다:
python
from compass.sources.scene import SceneReflectance
# 맥베스 컬러체커 패치 로드
red_patch = SceneReflectance.macbeth("red")
green_patch = SceneReflectance.macbeth("green")
blue_patch = SceneReflectance.macbeth("blue")
# 반사율 곡선 도시
fig, ax = plt.subplots(figsize=(10, 5))
for name, patch in [("빨간색", red_patch), ("녹색", green_patch), ("파란색", blue_patch)]:
ax.plot(patch.wavelengths * 1000, patch.reflectance, label=name)
ax.set_xlabel("파장 (nm)")
ax.set_ylabel("반사율")
ax.set_title("맥베스 컬러체커 패치 반사율")
ax.legend()
ax.grid(True, alpha=0.3)
plt.tight_layout()사용자 정의 분광 반사율
python
# 사용자 정의 분광 반사율 (예: 좁은 대역 녹색 물체)
custom_refl = SceneReflectance(
wavelengths=wavelengths,
reflectance=0.5 * np.exp(-0.5 * ((wavelengths - 0.55) / 0.03) ** 2) + 0.05,
name="좁은 대역 녹색"
)모듈 광학계 구성(Configuring Module Optics)
카메라 모듈은 렌즈 투과율과 IR 필터링을 도입합니다:
python
from compass.sources.optics import ModuleOptics
optics = ModuleOptics(
lens_transmittance=0.90, # 총 렌즈 T (또는 분광 배열 제공)
ir_cutoff_nm=650, # IR 필터 50% 차단 파장
ir_transition_nm=15, # 천이 영역 반폭
f_number=2.0, # 렌즈 F-넘버
pixel_pitch_um=1.0, # 픽셀 피치
)분광 렌즈 투과율(예: Zemax 내보내기)의 경우:
python
# 설계 데이터로부터의 분광 렌즈 투과율
lens_t_data = np.loadtxt("lens_transmittance.csv", delimiter=",", skiprows=1)
optics = ModuleOptics(
lens_transmittance=lens_t_data[:, 1], # 분광 T(lambda)
lens_wavelengths=lens_t_data[:, 0] / 1000, # nm을 um으로 변환
ir_cutoff_nm=650,
f_number=2.0,
pixel_pitch_um=1.0,
)픽셀 신호 계산(Computing Pixel Signal)
QE 결과를 광원, 장면, 광학계와 결합하여 신호를 계산합니다:
python
from compass.analysis.signal_calculator import SignalCalculator
from compass.analysis.qe_calculator import QECalculator
# 시뮬레이션 결과에서 채널별 QE 획득
channel_qe = QECalculator.spectral_response(result.qe_per_pixel, result.wavelengths)
# 신호 계산기 생성
calc = SignalCalculator(
illuminant=d65,
scene_reflectance=0.18,
optics=optics,
exposure_time_ms=10.0,
)
# 각 채널의 전자 수로 신호 계산
signals = calc.compute_signal(channel_qe)
print("신호 수준 (전자):")
print(f" Red: {signals['R']:.0f} e-")
print(f" Green: {signals['G']:.0f} e-")
print(f" Blue: {signals['B']:.0f} e-")
print(f" R/G 비율: {signals['R'] / signals['G']:.3f}")
print(f" B/G 비율: {signals['B'] / signals['G']:.3f}")신호대잡음비(Signal-to-Noise Ratio)
샷 노이즈, 암전류, 읽기 잡음을 포함한 SNR 계산:
python
snr = calc.compute_snr(
channel_qe,
dark_current_e_per_s=5.0, # 암전류 (e-/s)
read_noise_e=2.5, # 읽기 잡음 (e- rms)
)
print("SNR (dB):")
for ch, val in snr.items():
print(f" {ch}: {val:.1f} dB")화이트 밸런스 분석(White Balance Analysis)
다양한 광원에서의 화이트 밸런스 특성 평가:
python
# 여러 광원에 대한 화이트 밸런스 게인 계산
illuminants = {
"D65": Illuminant.cie_d65(wavelengths),
"A": Illuminant.cie_a(wavelengths),
"F11": Illuminant.cie_f11(wavelengths),
"LED 5000K": Illuminant.led_white(5000, wavelengths),
}
print("화이트 밸런스 분석 (18% 회색):")
print(f"{'광원':<15} {'R/G':>8} {'B/G':>8} {'Gain_R':>8} {'Gain_B':>8}")
print("-" * 55)
for name, illum in illuminants.items():
calc_wb = SignalCalculator(
illuminant=illum,
scene_reflectance=0.18,
optics=optics,
exposure_time_ms=10.0,
)
sig = calc_wb.compute_signal(channel_qe)
rg = sig['R'] / sig['G']
bg = sig['B'] / sig['G']
gain_r = 1.0 / rg
gain_b = 1.0 / bg
print(f"{name:<15} {rg:>8.3f} {bg:>8.3f} {gain_r:>8.3f} {gain_b:>8.3f}")예제: 다양한 광원에서의 색 정확도(Color Accuracy Under Different Illuminants)
이 예제는 다양한 광원에서 픽셀 설계가 맥베스 컬러체커 색상을 얼마나 잘 재현하는지 평가합니다:
python
from compass.analysis.signal_calculator import SignalCalculator
from compass.analysis.qe_calculator import QECalculator
from compass.sources.illuminant import Illuminant
from compass.sources.scene import SceneReflectance
import numpy as np
# QE 결과 로드
channel_qe = QECalculator.spectral_response(result.qe_per_pixel, result.wavelengths)
wavelengths = result.wavelengths
# 광원 정의
illuminants = {
"D65": Illuminant.cie_d65(wavelengths),
"A": Illuminant.cie_a(wavelengths),
"LED 5000K": Illuminant.led_white(5000, wavelengths),
}
# 테스트할 맥베스 패치
patches = ["red", "green", "blue", "cyan", "magenta", "yellow",
"dark_skin", "light_skin", "blue_sky", "foliage"]
for illum_name, illum in illuminants.items():
print(f"\n=== {illum_name} ===")
calc = SignalCalculator(
illuminant=illum,
optics=optics,
exposure_time_ms=10.0,
)
# 먼저 중립 회색에서 WB 게인 계산
grey_sig = calc.compute_signal(channel_qe, scene_reflectance=0.18)
wb_r = grey_sig['G'] / grey_sig['R']
wb_b = grey_sig['G'] / grey_sig['B']
print(f" WB 게인: R={wb_r:.3f}, B={wb_b:.3f}")
print(f" {'패치':<15} {'R_wb':>8} {'G':>8} {'B_wb':>8}")
print(f" {'-'*45}")
for patch_name in patches:
patch = SceneReflectance.macbeth(patch_name)
sig = calc.compute_signal(channel_qe, scene_reflectance=patch)
r_wb = sig['R'] * wb_r
g = sig['G']
b_wb = sig['B'] * wb_b
# 녹색으로 정규화
total = r_wb + g + b_wb
print(f" {patch_name:<15} {r_wb/total:>8.3f} {g/total:>8.3f} {b_wb/total:>8.3f}")YAML을 통한 설정
신호 시뮬레이션 파라미터는 YAML 설정 파일로도 지정할 수 있습니다:
yaml
signal:
illuminant: "D65" # "D65", "A", "F11", "LED", 또는 "blackbody"
illuminant_cct: 5000 # LED 또는 흑체의 CCT
scene_reflectance: 0.18 # 스칼라 또는 분광 CSV 경로
optics:
lens_transmittance: 0.90
ir_cutoff_nm: 650
ir_transition_nm: 15
f_number: 2.0
pixel_pitch_um: 1.0
exposure_time_ms: 10.0
noise:
dark_current_e_per_s: 5.0
read_noise_e: 2.5python
from compass.config import Config
config = Config.load("simulation.yaml")
calc = SignalCalculator.from_config(config.signal, wavelengths)
signals = calc.compute_signal(channel_qe)